[논문 리뷰] Monte Carlo modeling photon-tissue interaction using on-demand cloud infrastructure

Ethan P. M. LaRochelle, P. Arce외 1명|arXiv (Cornell University)|2020. 05. 03.

Optical Imaging and Spectroscopy Techniques참고 문헌 38인용 수 4

한 줄 요약

이 논문은 온디맨드 클라우드 인프라를 사용하여 광자-조직 상호작용을 위한 확장 가능하고 컨테이너 기반의 몬테카를로 시뮬레이션 프레임워크를 제시한다. 이는 스레드 세이프하지 않거나 GPU 최적화되지 않은 응용 프로그램의 병렬 실행을 가능하게 한다. 4台의 서버에 64개의 컨테이너를 사용하여 154개의 시뮬레이션을 배포함으로써 순차 처리 대비 최대 97%의 실행 시간 단축을 달성하였으며, 클라우드 환경에서 의료 물리 모델링에 있어 높은 효율성을 입증하였다.

ABSTRACT

Purpose: This work advances a Monte Carlo (MC) method to combine ionizing radiation physics with optical physics, in a manner which was implicitly designed for deployment with the most widely accessible parallelization and portability possible. Methods: The current work updates a previously developed optical propagation plugin for GEANT4 architecture for medically oriented simulations (GAMOS). Both virtual-machine (VM) and container based instances were validated using previously published scripts, and improvements in execution time using parallel simulations are demonstrated. A method to programmatically deploy multiple containers to achieve parallel execution using an on-demand cloud-based infrastructure is presented. Results: A container-based GAMOS deployment is demonstrated using a multi-layer tissue model and both optical and X-ray source inputs. As an example, the model was split into 154 simulations which were run simultaneously on 64 separate containers across 4 servers. Conclusions: The container-based model provides the ability to execute parallel simulations of applications which are not inherently thread-safe or GPU-optimized. In the current demonstration, this reduced the time by at most 97% compared to sequential execution. The code and examples are available through an interactive online interface through links at: https://sites.dartmouth.edu/optmed/research-projects/monte-carlo-software/

연구 동기 및 목표

• 온디맨드 클라우드 자원을 활용하여 의료 물리학 분야에서 광자-조직 상호작용의 효율적이고 확장 가능한 시뮬레이션을 가능하게 한다.
• 고성능 컴퓨팅 환경에서 스레드 세이프하지 않거나 GPU 최적화되지 않은 응용 프로그램의 한계를 극복한다.
• GAMOS 기반 시뮬레이션을 위한 컨테이너와 가상 머신을 활용한 이식성 있고 반복 가능한 배포 모델을 개발한다.
• 클라우드 인프라에서 병렬 실행을 통해 시뮬레이션 시간을 크게 단축함을 보여준다.
• 재현 가능성과 커뮤니티 활용을 위해 코드와 상호작용 가능한 예제를 공개한다.

제안 방법

• 저자들은 X선과 광학 광자 상호작용을 다층 조직 모델에서 시뮬레이션할 수 있도록, 기반 플랫폼인 GAMOS(GEANT4 기반)에 광학 전파 플러그인을 확장하였다.
• 다양한 클라우드 환경 간의 이식성과 격리성을 보장하기 위해 도커를 사용하여 컨테이너 기반 인스턴스를 배포하였다.
• 이전에 발표된 기준 스크립트를 사용하여 가상 머신 및 컨테이너 기반 인스턴스의 정확성을 검증하였다.
• 다중 클라우드 서버에 걸쳐 여러 컨테이너를 동적으로 실행하고 관리하기 위한 프로그래밍 기반 배포 파이프라인을 구현하였다.
• 병렬 시뮬레이션은 4대의 서버에 64개의 컨테이너에 분산 배포되었으며, 총 154개의 개별 시뮬레이션 작업으로 분할되었다.
• 클라우드 인프라는 고처리량 몬테카를로 시뮬레이션을 위한 자동 스케일링과 로드 밸런싱을 가능하게 하였다.

실험 결과

연구 질문

• RQ1 컨테이너 기반의 클라우드 기반 배포 방식은 광자-조직 상호작용의 몬테카를로 시뮬레이션을 상당히 가속화할 수 있는가?
• RQ2 제안된 방법은 스레드 세이프하지 않거나 GPU 최적화되지 않은 응용 프로그램의 시뮬레이션 시간을 얼마나 효과적으로 단축시키는가?
• RQ3 분산 클라우드 리소스를 통해 고병렬 처리를 수행할 때도 시뮬레이션 정확도를 유지할 수 있는가?
• RQ4 온디맨드 클라우드 인프라를 사용하여 순차 실행에서 병렬 실행으로 스케일링할 경우 성능 향상은 어느 정도인가?
• RQ5 다양한 컴퓨팅 환경 간에서 이 시뮬레이션 프레임워크의 이식성과 재현 가능성은 어느 정도인가?

주요 결과

• 컨테이너 기반 배포 방식은 순차 실행 대비 최대 97%의 시뮬레이션 시간 단축을 달성하였다.
• 컨테이너화를 통해 스레드 세이프하지 않거나 GPU 최적화되지 않은 응용 프로그램의 병렬 실행을 성공적으로 구현하였다.
• 이전에 발표된 스크립트를 사용한 검증을 통해 VM 및 컨테이너 인스턴스 모두에서 시뮬레이션 결과의 정확성이 확인되었다.
• 클라우드 환경에서 4대의 서버에 64개의 컨테이너에 154개의 시뮬레이션을 분산 배포함으로써 프레임워크의 확장성을 입증하였다.
• 코드와 상호작용 가능한 예제는 웹 인터페이스를 통해 공개되어 있어 재현 가능성과 커뮤니티 접근성을 향상시켰다.
• 이 방법은 의료 물리학 분야의 광자-조직 상호작용 시뮬레이션을 효율적이고 이식 가능하며 고처리량으로 수행할 수 있도록 한다.